不同街景影像微环境提取方法对街面财产犯罪解释的差异分析

作为城市的骨架,街道网络是人们日常活动的重要载体,其也在很大程度上影响着犯罪事件的分布。因此,街道微环境是研究街面犯罪空间格局及其影响机制的重要切入点。已有研究中基于街景影像的街道微环境度量,多采用语义分割单一技术提取各类环境要素在影像中的像素占比,但该方法不适宜提取行人等离散要素。近期有学者结合使用语义分割和目标检测2种技术来提取影像中复杂的环境要素,但2种方法提取的微环境要素对街面犯罪的解释还未有比较研究。为探究这一问题,本文将百度街景影像作为街道层级建成环境数据,采用上述2种做法分别提取并获得街道微观环境特征变量:第1种做法仅使用语义分割技术将所有要素以像素比例度量;第2种做法用语义分割技术将人行道、建筑、墙面、栅栏、树木和草地以像素比例度量,而用目标检测技术将街面行人和路灯以个数度量。在控制了土地利用混合度、集中劣势、街道长度和密度、犯罪吸引器和发生器后,构建零膨胀负二项回归模型以分析街道微环境特征与街面财产犯罪(如街面盗窃、扒窃)间的关系。模型中分别加入通过两种方式提取的街道微环境特征变量,并比较其对街面财产犯罪影响的差异。研究结果表明:(1)与采用语义分割单一技术提取的街道微环境特征相比,加入了结合使用语义分割和目标检测两种技术提取的街道微环境特征之后,模型表现更好,对街面财产犯罪的解释力提升了7%;尤其是对于街面行人而言,采用目标检测方法对街面行人进行计数,比采用语义分割方法提取行人的像素占比更能有效反映路段上的行人规模,其与街面财产犯罪的关联性更强,其回归系数从0.09提升到0.32,其回归系数绝对值排序从第十位提升至第三位;(2)基于街景影像提取的街道微环境特征能有效解释街面财产犯罪的发生,其中作案目标、活动支持2个维度的街道微环境特征对街面财产犯罪都产生显著影响。具体地说,街面行人规模与街面财产犯罪,如街面盗窃、扒窃,存在显著的正相关关系,而人行道、建筑、树木、草坪在影像中的平均像素占比和绿视率等均与街面财产犯罪存在显著的负相关关系。本文的研究结果对犯罪地理和环境犯罪学文献做了有益的补充,尤其在通过环境设计来预防犯罪方面。